跳到主要内容
下载

体重指数、遗传易感性和阿尔茨海默病:一项基于英国生物银行475,813名参与者的纵向研究

转化医学杂志体积20.，文章号:417（2022）引用本文

摘要

背景

身体质量指数(BMI)和阿尔茨海默病(AD)之间的关系仍然存在争议。遗传和环境因素现在被认为是AD风险的贡献者。然而，关于遗传风险和BMI对AD风险的潜在相互作用，我们知之甚少。

客观的

研究BMI与AD的因果关系，以及AD遗传风险与BMI对AD风险的潜在相互作用。

方法与结果

利用英国生物银行数据库，475,813名参与者被选中，平均随访时间超过10年。主要发现:1)60岁及以上参与者的BMI与AD风险之间存在非线性关系(p非线性< 0.001)，但在37-59岁的参与者中没有(p对于非线性= 0.717)使用限制三次样条;2) 60岁及以上的参与者，与BMI (23-30 kg/m2)组，BMI (< 23 kg/m2)组的AD风险较高(HR = 1.585;95% ci 1.304-1.928，p< 0.001)和BMI (> 30 kg/m2)组的AD风险较低(HR = 0.741;95% ci 0.618-0.888，p< 0.01)采用Cox比例风险模型分析;3) AD遗传风险高评分(AD- grs)和BMI (< 23 kg/m)合并的患者2)与AD风险最高相关(HR = 3.034;95% ci 2.057-4.477，p< 0.001)。此外，与BMI (< 23 kg/m2)，较高的BMI与具有相同中等或高AD- grs的参与者较低的AD风险相关;4)采用双向孟德尔随机化(MR)分析，BMI与AD呈反向因果关系。

结论

使用mr分析BMI和AD之间存在反向因果关系，对于60岁及以上的参与者，较高的BMI与具有相同中度或高度AD遗传风险的参与者患AD的风险较低相关。BMI (23-30 kg/m .2)可能是AD的潜在干预手段。

背景

痴呆症是一种慢性进行性神经系统疾病，其特征是记忆丧失和认知障碍[1］．在痴呆症中，最常见的是阿尔茨海默病(AD)，约占所有痴呆症患者的50-70% [2］．重要的是，由于全球人口老龄化，其患病率正在急剧上升[3.］．因此，减轻AD的负担已成为一个重要的全球公共卫生问题[4］．

AD的主要病理特征包括淀粉样斑块和神经元丝缠结[5，6］．AD被认为是遗传和环境因素共同作用的结果，可分为早发性AD (EOAD)和晚发性AD (LOAD) [3.，7］．确定AD发展背后的基因-环境相互作用非常重要，这将有助于制定个性化的AD早期干预策略，从而最终降低AD的全球发病率[8］．

在阿尔茨海默病发病率上升的同时，全球范围内的高肥胖率也令人担忧。[9］．身体质量指数(body mass index, BMI)作为身体营养的指标，已被报道与脑血管不良事件、多种癌症和其他疾病有关[10，11，12，13］．然而，BMI和AD风险之间的关系仍然存在争议[14］．多项研究表明，中年肥胖和体重减轻会增加患痴呆症的风险。15，16]，而其他研究则表明，老年肥胖并不会增加患AD的风险[16，17］．此外，一项大型英国人口研究表明，所有年龄组的低BMI都会增加AD的风险[18］．虽然之前的许多研究都集中在BMI和AD之间的关系上，但这些相互矛盾的结果表明BMI和AD之间的因果关系需要进一步探索。此外，AD发病背后的基因-环境相互作用也需要深入研究。然而，到目前为止，人们对遗传风险和BMI之间在AD风险上的潜在相互作用知之甚少。

了解BMI和AD之间的因果关系对于预防AD至关重要。然而，简单的观察性研究往往会导致反向因果关系和残留混淆[19］．基于遗传变异的孟德尔随机化(MR)有助于克服这些局限性[20.］．许多先前使用MR分析评估BMI对AD的因果影响的研究发现，与较高BMI密切相关的多基因评分与较高的痴呆风险无关，甚至可能预测较低的痴呆风险。然而，这是令人惊讶的，没有进一步的反向因果关系评估[21］．幸运的是，双向MR克服了这一限制[22］．本研究首次采用双向MR来评估BMI与AD之间的因果关系。此外，由于我们在同一研究人群中进行了观察性研究和MR，因此结论更加稳定可靠。

因此，我们试图利用英国生物银行(UKB)来调查BMI与AD发病风险之间的关系。为了进一步评估BMI与AD风险的遗传易感性之间的关系，我们还在计算每个参与者的AD遗传风险评分(AD- grs)后探索了潜在的遗传和BMI相互作用。最后采用双向MR进一步探讨BMI与AD之间的因果关系。

方法

研究人群

公共数据库专为在开放平台上储存科学研究数据而设[23］．英国生物样本库(UKB)是世界上最大的生物医学样本数据库，包含了由50多万名志愿者组成的基于人群的队列研究的数据。UKB研究得到了西北多中心研究伦理委员会的批准，所有参与者都同意纳入研究[24，25］．重要的是，它已经收集并将继续收集大量关于表型和基因型的参与者数据[26，27］．

最初，502490名参与者被登记，不包括那些。

在注册前被诊断为AD (n = 18)，并且没有进行基因检测(n = 13,121)或没有完成基线数据收集(n = 26,659)。这导致475,813名参与者参加了我们的研究。分析过程的研究流程图如图所示。1．所有参与者都有一个完整的案例分析。

图1
图1

分析过程的流程图。BMI，身体质量指数;AD，阿尔茨海默病;AD-GRS，阿尔茨海默病遗传风险评分;阿尔茨海默病遗传学联合会;欧洲阿尔茨海默病倡议;MR，孟德尔随机化

全尺寸图像

暴露量和基本特征的确定

根据UKB, BMI的测量方法是体重(kg)除以每平方米的身高(m)2)．每个参与者的基本特征主要是通过注册记录确定的。随访时间从注册日期到AD诊断、死亡或最终随访时间(2020年12月)，以先发生者为准。

遗传风险评分的定义

关于质量控制，UKB参与者的输入程序和基因分型已在前面描述[28］．本研究不包括UKB新发现的基因座，以减少假阳性。基于之前的全基因组关联研究(GWASs)，筛选出了29个与AD显著相关的独立单核苷酸多态性(SNPs) [29，30.，31］．

所选的snp在附加文件中列出2:表S1。对于UKB中包含的每个个体，使用先前发表的方法确定AD-GRS [32］．每个SNP的效应量(beta系数)来自已报道的GWAS结果[30.］．每个参与者被分配为以下AD遗传风险之一:高(5个五分之一)，中等(2-4个四分之一)，或低(1个五分之一)。

结果评估

在UKB数据库中，每个参与者的AD结果由算法定义的结果(https://www.ukbiobank.ac.uk)．

分析了先生

MR是基于减数分裂过程中遗传变异的自然和随机分类，从而产生遗传变异在群体中的随机分布[20.］．遗传变异已被用作工具变量(IV)。在双向MR中，使用暴露工具和结果来评估是“暴露”变量导致“结果”，还是“结果”导致“暴露”[33]，并利用snp来研究不同GWASs之间的因果关系[34］．BMI基因IV来自UKB参与者的GWAS (https://gwas.mrcieu.ac.uk/；GWAS ID: ukb-b-19953)。AD基因IV数据也从GWAS中获得[(https://gwas.mrcieu.ac.uk/；GWAS ID: ieu-b-2;数据来自阿尔茨海默病遗传学联盟(ADGC)，欧洲阿尔茨海默病倡议(EADI)]。为了去除具有连锁不平衡的IVs，如果snp的相关性为r2> 0.001 [35］．MR分析主要采用逆方差加权法(IVW)和MR- egger两种方法[36］．为进一步保证MR结果的可靠性，同时采用了加权中值、简单模式和加权模式三种方法。

首先，我们探讨了BMI(暴露)和AD(结果)之间的因果关系。暴露和结果数据可在附加文件中获得2:表S2和表S3。在协调效应等位基因并去除与中间等位基因频率回文的SNPs后，剩余的433个SNPs进一步使用MR进行分析。在计算MR结果后，我们接下来进行敏感性分析[37]主要从以下三个方面进行:(1)异质性检验:检验IVs之间的差异。这些结果表明静脉注射间存在很强的异质性(p< 0.05)，我们接下来使用随机效应模型来估计MR效应大小。然而，随机效应模型产生了相似的因果关联结果(p> 0.05)。(2)多效性检验:在多个静脉中检测水平多效性，多效性通常用艾格定律的截距表示。我们的研究结果表明，在多个静脉注射中不存在水平多效性(p> 0.05)。(3)遗漏敏感性试验:计算连续消除每个IV后剩余IV的MR结果。无论去除哪个SNP，对结果都没有根本影响，表明我们的结果是稳健的(附加文件1:图S1)。孟德尔随机化结果的可视化和结论的详细解释显示在附加文件中1:图S2-S4

其次，我们探讨了BMI(结果)和AD(暴露)之间的反向因果关系。暴露和结果数据显示在附加文件中2:表S4和表T5。在计算这些MR结果后，我们接下来进行了如前所述的敏感性分析:(1)异质性检验:这些结果显示IVs之间具有很强的异质性(p< 0.05)，进一步的随机效应模型得到了相似的因果关联结果(p< 0.001)。(2)多效性检验:我们的结果显示，在多个IVs中不存在水平多效性(p> 0.05)。(3)遗漏敏感性试验:无论去除哪一个SNP，都对结果没有根本性影响，表明我们的MR结果是稳健的(附加文件1:图S5)。同时，漏斗图显示漏斗图总体对称，没有明显的异质性(附加文件1:图S6)。

所有统计分析均使用R软件(4.1.0版本)，MR分析使用Two Sample MR包。

统计分析

对照组和AD组的基线特征比较采用卡方(或单变量逻辑回归)或Wilcoxon秩和检验。的P采用Benjamini-Hochberg错误发现率(FDR)法对值进行检验和调整。连续变量以均值±标准差或中位数±四分位差(IQR)表示。

采用限制性三次样条(RCS)进一步研究BMI与AD之间潜在的非线性关系。此外，还进行了年龄亚组分析。模型对年龄、Townsend剥夺指数(TDI)、性别、吸烟、种族、教育程度、饮酒、高血压、中风、心肌梗死和糖尿病进行了调整。此外，我们将BMI分为三组(< 23 kg/m2， 23-30 kg/m2， > 30 kg/m2)根据RCS结果。

使用Kaplan-Meier生存曲线来显示三个BMI组(< 23 kg/m)之间的AD风险2， 23-30 kg/m2， > 30 kg/m2)．BMI (23-30 kg/m2)组为对照组，采用log-rank检验评价三组间的差异。

Cox比例风险模型用于检验BMI和AD之间的相关性。多变量模型1未调整，模型2调整年龄和性别，模型3调整年龄、TDI、性别、吸烟、种族、教育程度、饮酒、高血压、中风、心肌梗死和糖尿病。

Cox比例风险模型用于估计BMI和AD- grs与AD风险之间的关系。多变量模型对年龄、TDI、性别、教育程度、饮酒、高血压、中风、心肌梗死和糖尿病进行了调整。

所有统计分析均使用R包(4.1.0版本)进行。一个p值< 0.05为有统计学意义。

结果

对照组和AD组的基本特征

平均随访时间为11.58年。我们比较了患AD的参与者(AD组，n = 886)和未患AD的参与者(对照组，n = 474,927)的基本特征。如表所示1， AD组年龄较高，TDI较大(p< 0.05)。男性、有吸烟史、混血儿、高血压、糖尿病、心肌梗死或中风史者AD发病率较高(p< 0.05)。此外，较低的教育水平与较高的AD发病率相关(p< 0.05)。此外，AD组和对照组之间的BMI没有显著差异。

表1对照组(n = 474,927)与AD组(n = 886)基本特征比较
全尺寸表

采用RCS分析BMI与AD风险之间的关系

在评估以前研究的结果时，BMI对AD风险的影响仍然存在争议[15，16，17］．如图所示。2A，在37-73岁年龄组存在非线性关系(p对于非线性< 0.001)。以往研究将40-59岁定义为中年，60岁及以上定义为老年[38］．我们进一步分析了这些年龄分组。有趣的是，如图。2B，在37-59岁年龄组中，BMI和AD风险之间没有显著相关性(p对于非线性= 0.717)。然而，如图。2C, 60岁及以上年龄组呈非线性关系(p对于非线性< 0.001)。

图2
图2

限制性三次样条曲线(RCS)用于分析BMI与AD发病率的关系。一个年龄:37-73岁，B年龄:37-59岁，C: 60-73岁。调整了年龄、TDI、性别、吸烟、种族、教育程度、饮酒、高血压、中风、心肌梗死和糖尿病

全尺寸图像

为了进一步探索BMI与AD风险之间的合适BMI范围，我们根据图中所示的RCS结果将BMI分为三组。2．我们使用Kaplan-Meier生存曲线来证明三个BMI组(< 23 kg/m)之间AD的风险2， 23-30 kg/m2， > 30 kg/m2)．如图所示。3.首先，在37-59岁的人群中，三个BMI组患AD的风险没有显著差异。然而，对于60岁及以上的参与者，三个BMI组之间存在显著差异(图2)。3.B).与BMI (23-30 kg/m2)组，BMI (< 23 kg/m2)组的人患AD的风险较高(pBMI (> 30 kg/m .2)与较低的AD风险(p= 0.17)。

图3
图3

Kaplan-Meier生存曲线显示了三个BMI组的AD风险。一个年龄:37-59岁，B: 60-73岁。BMI (23-30 kg/m2)组为对照组，3组间差异(< 23 kg/m2， 23-30 kg/m2， > 30 kg/m2)使用log-rank检验进行评估

全尺寸图像

总之，我们的研究结果表明，在60岁或60岁以上的参与者中，BMI和AD风险之间存在非线性关系，但在37-59岁的参与者中没有。此外，对于60岁及以上的参与者，BMI (< 23 kg/m2)组与较高的AD风险显著相关。

用Cox比例风险模型估计AD的风险比

如图所示。4A，年龄在60岁及以上的参与者，与BMI (23-30 kg/m2)组，BMI (< 23 kg/m2)组的AD风险较高(HR = 1.35;95% ci 1.118-1.64，p在未调整模型1中，BMI (< 23 kg/m2)组的AD风险较高(HR = 1.585;95% ci 1.304-1.928，p< 0.001)和BMI (> 30 kg/m2)组的AD风险较低(HR = 0.741;95% ci 0.618-0.888，p在多变量调整模型中< 0.01)。

图4
图4

Cox比例风险模型估计AD的风险比。答:模型1未调整，模型2调整年龄和性别，模型3调整年龄、TDI、性别、吸烟、种族、教育程度、饮酒、高血压、中风、心肌梗死和糖尿病。B:长BMI与AD遗传风险评分的联合关系。多变量模型对年龄、TDI、性别、教育程度、饮酒、高血压、中风、心肌梗死和糖尿病进行了调整。垂直线表示参考值为1

全尺寸图像

对于60岁及以上的参与者，我们的结果表明BMI (< 23 kg/m2)与更高的AD风险相关。

BMI和AD- grs与AD风险的联合关系

综合来看，遗传和环境因素被认为是导致AD进展的主要因素[3.］．因此，我们进一步研究了遗传易感性和BMI对AD风险的潜在相互作用。如图所示。4B, BMI和GRS之间没有统计学意义上的相互作用(p交互= 0.14)。此外，伴有高AD-GRS和BMI (< 23 kg/m2)与AD风险最高相关(HR = 3.034;95% ci 2.057-4.477，p< 0.001)。此外，与BMI (< 23 kg/m2)，较高的BMI与具有相同中等或高AD- grs的参与者较低的AD风险相关。

BMI与AD的双向MR

首先，我们探讨了BMI(暴露)和AD(结果)之间的因果关系。基于mr的BMI和AD风险分析的总结如图所示。5A.我们的五个MR分析结果表明，遗传预测的BMI较高风险与AD风险无关(p> 0.05)。

图5
图5

一个:基于孟德尔随机化的BMI(暴露)和AD(结果)分析综述。B:基于孟德尔随机化的AD(暴露)和BMI(结果)分析综述。C:散点图。该图上的每个点都代表一个IV，每个点上的直线反映了一个95%的置信区间。D:通过IVW和MR Egger方法计算AD对BMI的MR效应量

全尺寸图像

其次，我们进一步探讨了BMI(结果)和AD(暴露)之间的反向因果关系。基于mr的BMI和AD风险分析总结如图所示。5B.相反，我们的五个MR分析结果表明，遗传预测的AD风险较高与较低的BMI相关(OR < 1，p< 0.001)。数字5C和D为MR结果的可视化，进一步证实了图中的结果。5B。

我们的研究结果表明，BMI和AD风险之间存在反向因果关系，遗传预测的AD风险较高与BMI较低相关，这表明BMI降低可能是AD的早期表现之一。

讨论

在这项平均随访时间超过10年的大规模研究中，我们有以下主要发现:1.研究人员在研究过程中需要注意以下问题。我们的研究结果表明，在60岁或以上的参与者中，BMI与AD风险之间存在非线性关系，但在37-59岁的参与者中不存在;2.对于60岁及以上的参与者，我们的结果表明BMI (< 23 kg/m2)与较高的AD风险相关;3.BMI < 23 kg/m2)，较高的BMI与具有相同中等或高AD- grs的参与者较低的AD风险相关;4.采用双向MR分析BMI与AD呈反向因果关系。

随着肥胖和痴呆的全球发病率逐年上升，了解BMI与AD风险之间的因果关系已成为公共卫生的优先事项[39］．据我们所知，我们的研究是第一个使用双向MR来建立BMI和AD风险之间的因果关系。我们的研究结果显示，使用双向MR分析BMI和AD风险之间存在反向因果关系，这表明BMI降低可能是AD的早期表现之一。

以往的研究已经探讨了AD患者BMI下降的可能机制。海马体积减少、内嗅皮层和内侧颞叶皮层变薄是AD患者常见的影像学表现[40］．成像数据还表明，大脑结构的变化，包括全脑和海马萎缩的变化，与身体组成的改变有关，包括更具体的瘦质量指标的减少[41］．BMI和AD风险之间的病理生理关系的潜在机制包括下丘脑等区域发生的神经病理变化，这些区域在调节能量代谢和食物摄入中起着关键作用[42］．与痴呆症相关的行为和认知变化也会通过干扰营养(忘记进食)或减少体力活动(肌肉减少症的一个强有力的预测因素)来影响体重[43］．此外，载脂蛋白E (APOE)，主要由中枢神经系统的星形胶质细胞产生，是一种主要的胆固醇载体，可将脂质运输到神经元，以维持突触和促进损伤修复，这与增加皮质淀粉样蛋白β (a β)的积累有关[44］．的E4等位基因APOE基因(APOE4)是晚期阿尔茨海默病的最强遗传风险因素[45］．Aβ的积累APOE4+个体受下丘脑瘦素信号的调控[46]，而瘦素信号通路本身可能导致厌食症神经肽的合成和释放，从而有助于减肥[47，48］．

尽管由于MR方法的局限性，我们的双向MR结果显示BMI和AD风险之间没有正的因果关系，但不能排除假阴性结果。我们的MR方法主要研究线性因果关系。然而，我们的观察性研究发现，较高的BMI与AD风险之间的关联是非线性的。此外，在参与者根据AD- grs进行分组后，在中度或高度AD- grs组中，较低的BMI仍然与较高的AD风险相关。研究还表明，较高的bmi相关基因变异可能会略微降低AD的风险[18]，但研究了它们之间的非线性关系。因此，我们推测BMI与AD风险之间可能存在非线性因果关系。然而，需要更多的研究来澄清这一点。

在老年人中，高BMI与较低的AD风险相关的可能机制仍不清楚。Blautzik等人表明，即使在APOE4BMI与皮质淀粉样蛋白负荷、后扣带回葡萄糖代谢和近期认知能力下降呈负相关[47］．脂肪组织释放瘦素和脂联素等分子，这些分子与海马体中的受体结合，调节神经元兴奋性，增加突触生成，防止淀粉样蛋白诱导的神经元细胞死亡[49，50］．此外，小胶质细胞是中枢神经系统的固有免疫细胞，可通过抑制Aβ的积累来预防AD的发生[51］．脂联素可抑制a β诱导的炎症反应，促进小胶质细胞的抗炎作用[52，53］．脂联素受体激动剂可抑制AD小鼠小胶质细胞和星形胶质细胞的激活，恢复小胶质细胞Aβ吞噬作用[54］．由于阿尔茨海默病是一种与年龄有关的疾病，这可能部分解释了为什么老年时高BMI与阿尔茨海默病发展风险较低有关[55］．然而，还需要进一步的研究来理解这一机制基础。

在使用RCS对37-59岁参与者进行的观察性研究中，BMI和AD风险之间没有显著相关性。因为痴呆症的临床前阶段可以持续10年以上[56]，大多数参与者可能没有达到AD的诊断标准，这一人群(37-59岁)需要在未来进一步随访。遗传和环境因素一直被认为是导致AD进展的因素。3.］．据我们所知，这是第一个调查BMI和GRS在AD发展中的相互作用的研究。正如预期的那样，对于60岁及以上的参与者，我们观察到遗传风险高的参与者患AD的风险更高。此外，BMI较低(< 23 kg/m2)中、高AD- grs组患AD的风险更高。由于遗传因素是AD发病风险不可改变的因素，应更加重视BMI的管理，特别是AD- grs中高的人群。认为BMI(大于30 kg/m)增加2)可引致心血管及代谢疾病[57］．此外，我们还发现BMI与全因死亡率呈u型相关，BMI较高(BMI > 30 kg/m2)和较低的BMI (BMI < 23 kg/m2)与更高的全因死亡率风险相关(补充文件1:图S7)。这些结果表明BMI较高(BMI > 30 kg/m2)与更高的AD风险无关，这可能是由于在AD被诊断之前导致参与者死亡的并发症，需要在未来的研究中进一步验证。因此，BMI (23-30 kg/m .2)可能是AD的潜在干预措施，而不会增加并发症和全因死亡率。

结论

使用mr分析BMI和AD风险之间存在反向因果关系，对于60岁及以上的参与者，较高的BMI与具有相同中度或高度AD遗传风险的参与者的较低AD风险相关。BMI (23-30 kg/m .2)可能是AD的潜在干预手段。

限制

这项研究基于UKB，其中包括主要是欧洲血统的参与者。虽然这可能会影响结果对其他种族的适用性，但它不会改变本研究的内部有效性。在我们的随访过程中，参与者的BMI可能会发生变化，这也是本研究的局限性之一。然而，BMI随机试验的设计几乎不可行，未来的纵向轨迹改变可能会克服这一限制。

数据和材料的可用性

支持本研究结果的数据可从英国生物银行获得，但这些数据的可用性可能受到限制，因此不能公开。然而，这些数据是在获得英国生物银行许可的情况下从作者那里获得的。

缩写

体重指数:

身体质量指数

广告:

阿尔茨海默病

AD-GRS:

阿尔茨海默病遗传风险评分

UKB:

英国生物库

先生:

孟德尔随机化

单核苷酸多态性:

单核苷酸多态性

gwas:

全基因组关联研究

四:

工具变量

RCS:

限制性三次样条

TDI:

汤森剥夺指数

参考文献

  1. 葛洛特，胡基姆斯特拉AM, rajmakers PG, van Berckel BN, Scheltens P, Scherder EJ，等。体育活动对痴呆患者认知功能的影响:随机对照试验的荟萃分析老化Res Rev. 2016; 25:13-23。

    文章中科院PubMed谷歌学者

  2. 李文杰，李文杰，李文杰，等。战胜阿尔茨海默病和其他痴呆症:欧洲科学和社会的优先事项。《柳叶刀神经科学》2016;15:455-532。

    文章PubMed谷歌学者

  3. 莱恩CA哈迪J肖特JM。阿尔茨海默氏症。神经科学杂志，2018;25:59-70。

    文章中科院PubMed谷歌学者

  4. 减少风险因素对阿尔茨海默病流行的预期影响。《柳叶刀神经病学》2011;10:819-28。

    文章PubMed公共医学中心谷歌学者

  5. 袁松，李辉，杨超，谢伟，王勇，张娟，等。DHA通过RIPK1/RIPK3信号通路在THP-1单核细胞中减弱abeta诱导的坏死。生物医学药学。2020;126:110102。

    文章中科院PubMed谷歌学者

  6. 阿兹海默病的神经病理改变。中华医学杂志2011;1:a6189。

    文章中科院谷歌学者

  7. Zusso M, Barbierato M, Facci L, Skaper SD, Giusti P.神经表观遗传学与阿尔茨海默病:最新进展。老年痴呆症杂志，2018;64:671-88。

    文章中科院PubMed谷歌学者

  8. Dunn AR, O 'Connell K, Kaczorowski CC.阿尔茨海默病和帕金森病的基因-环境相互作用。神经科学生物行为学，2019;103:73-80。

    文章中科院PubMed公共医学中心谷歌学者

  9. 肥胖和阿尔茨海默病。临床健康护理杂志。2009;12:15-21。

    文章PubMed公共医学中心谷歌学者

  10. Arnett DK, Blumenthal RS, Albert MA, Buroker AB, Goldberger ZD, Hahn EJ等。2019年ACC/AHA心血管疾病一级预防指南:美国心脏病学院/美国心脏协会临床实践指南工作组的报告。循环。2019;140:e596 - 646。

    PubMed公共医学中心谷歌学者

  11. Mariscalco G, Wozniak MJ, Dawson AG, Serraino GF, Porter R, Nath M，等。接受心脏手术的成年人的体重指数和死亡率:一项全国性的系统回顾和荟萃分析研究循环。2017;135:850 - 63。

    文章PubMed谷歌学者

  12. 秦波，杨敏，傅华，马宁，魏涛，唐强，等。体重指数与类风湿关节炎风险:系统回顾和剂量反应荟萃分析关节炎。2015;17:86。

    文章PubMed公共医学中心谷歌学者

  13. Renehan AG, Tyson M, Egger M, Heller RF, Zwahlen M.身体质量指数与癌症发病率:前瞻性观察研究的系统回顾和荟萃分析。《柳叶刀》杂志。2008;371:569 - 78。

    文章PubMed谷歌学者

  14. Nordestgaard LT, tybjager - hansen A, Nordestgaard BG, Frikke-Schmidt R.身体质量指数与阿尔茨海默病风险:399,536人的孟德尔随机化研究中国临床内分泌杂志，2017;

    文章PubMed公共医学中心谷歌学者

  15. Loef M, Walach H.中年肥胖和痴呆:美国和中国痴呆患病率的元分析和调整预测。肥胖(银泉)。2013; 21: E51-5。

    文章谷歌学者

  16. Fitzpatrick AL, Kuller LH, Lopez OL, Diehr P, O 'Meara ES, Longstreth WJ，等。中年和晚年肥胖与痴呆症风险:心血管健康研究神经科学。2009;66:336-42。

    文章PubMed公共医学中心谷歌学者

  17. Dahl AK, Lopponen M, Isoaho R, Berg S, Kivela SL.老年超重和肥胖与老年痴呆风险无关。中国老年医学杂志，2008;56:2261-6。

    文章PubMed谷歌学者

  18. Qizilbash N, Gregson J, Johnson ME, Pearce N, Douglas I, Wing K，等。20年来，200万人的BMI与痴呆症风险:一项回顾性队列研究。《中国糖尿病杂志》2015;3:431-6。

    文章PubMed谷歌学者

  19. Kumari M, Holmes MV, Dale CE, Hubacek JA, Palmer TM, Pikhart H，等。饮酒与认知表现:孟德尔随机化研究。上瘾。2014;109:1462 - 71。

    文章PubMed公共医学中心谷歌学者

  20. 史密斯GD，易卜拉欣S.“孟德尔随机化”:遗传流行病学有助于理解疾病的环境决定因素吗?国际流行病学杂志，2003;32:1-22。

    文章PubMed谷歌学者

  21. Mukherjee S, Walter S, Kauwe J, Saykin AJ, Bennett DA, Larson EB，等。在三个大样本中遗传预测的体重指数和阿尔茨海默病相关表型:孟德尔随机化分析老年痴呆症。2015;11:1439-51。

    文章PubMed公共医学中心谷歌学者

  22. Davey SG, Hemani G.孟德尔随机化:流行病学研究中因果推断的遗传锚。胡姆·摩尔·热奈，2014;23:R89-98。

    文章中科院谷歌学者

  23. 吴文涛，李玉杰，冯安智，李林，黄涛，徐德德，等。临床大数据中的数据挖掘:常用的数据库、步骤和方法模型。Mil Med Res. 2021;8:44。

    PubMed公共医学中心谷歌学者

  24. 杨娟，李勇，刘强，李琳，冯安，王涛，等。大数据时代医疗数据库及数据挖掘技术简介《循证医学》2020;13:57-69。

    文章PubMed公共医学中心谷歌学者

  25. 孙文杰，李志强，李志强，等。英国生物库:用于确定广泛的中老年复杂疾病病因的开放获取资源。《公共科学图书馆·医学》2015;12:e1001779。

    文章PubMed公共医学中心谷歌学者

  26. 陶峰，曹喆，姜勇，范宁，徐峰，杨华，等。睡眠时间和质量与心血管疾病、癌症和死亡率的相关性:一项对407,500名英国生物库参与者的前瞻性队列研究睡眠医学2021;81:401-9。

    文章PubMed谷歌学者

  27. 张志强，张志强，张志强，等。素食者、鱼、家禽和肉食者:谁的心血管疾病发病率和死亡率更高?来自英国生物银行的前瞻性研究。欧洲心脏J. 2021; 42:1136-43。

    文章PubMed谷歌学者

  28. Bycroft C, Freeman C, Petkova D, Band G, Elliott LT, Sharp K，等。英国生物银行资源与深层表型和基因组数据。大自然。2018;562:203-9。

    文章中科院PubMed公共医学中心谷歌学者

  29. Leng Y, Ackley SF, Glymour MM, Yaffe K, Brenowitz WD。非痴呆老人阿尔茨海默病的遗传风险与睡眠时间Ann Neurol. 2021; 89:177-81。

    文章中科院PubMed谷歌学者

  30. Jansen IE, Savage JE, Watanabe K, Bryois J, Williams DM, Steinberg S，等。全基因组荟萃分析确定了影响阿尔茨海默病风险的新位点和功能通路。Nat Genet, 2019; 51:404-13。

    文章中科院PubMed公共医学中心谷歌学者

  31. Marioni RE, Harris SE, Zhang Q, McRae AF, Hagenaars SP, Hill WD，等。阿尔茨海默病家族史的GWAS。翻译精神病学。2018;8:99。

    文章PubMed公共医学中心谷歌学者

  32. 范敏，孙东，周涛，黑anza Y，吕娟，李琳，等。睡眠模式、遗传易感性和突发心血管疾病:一项对385 292名英国生物银行参与者的前瞻性研究《欧洲心脏》杂志，2020;41:11 182 - 9。

    文章PubMed谷歌学者

  33. Timpson NJ, Nordestgaard BG, Harbord RM, Zacho J, Frayling TM, tybjager - hansen A，等。c反应蛋白水平和体重指数:通过相互孟德尔随机化阐明因果关系的方向。Int J Obes(伦敦)。2011; 35:300-8。

    文章中科院谷歌学者

  34. 郑洁，Baird D, Borges MC, Bowden J, Hemani G, Haycock P，等。孟德尔随机化研究的最新进展。2017年流行病学报告;4:330-45。

    文章PubMed公共医学中心谷歌学者

  35. Sproviero W, Winchester L, Newby D, Fernandes M, Shi L, Goodday SM，等。高血压和痴呆风险:英国生物银行的两样本孟德尔随机化研究。《生物精神病学》2021;89:817-24。

    文章PubMed谷歌学者

  36. 鲍登J，霍姆斯MV。元分析和孟德尔随机化:综述。Res Synth Methods. 2019; 10:486-96。

    文章PubMed公共医学中心谷歌学者

  37. Harrison S, Davies NM, Howe LD, Hughes A.睾酮和社会经济地位:英国生物银行306,248名男性和女性的孟德尔随机化。科学通报2021。https://doi.org/10.1126/sciadv.abf8257．

    文章PubMed公共医学中心谷歌学者

  38. Anstey KJ, Cherbuin N, Budge M, Young J.中年和晚年身体质量指数作为痴呆症的危险因素:前瞻性研究的荟萃分析。Obes Rev. 2011;12: e426-37。

    文章中科院PubMed谷歌学者

  39. Finucane MM, Stevens GA, Cowan MJ, Danaei G, Lin JK, Paciorek CJ，等。1980年以来国家、区域和全球体重指数趋势:对960个国家年、910万参与者的健康检查调查和流行病学研究进行系统分析。《柳叶刀》杂志。2011;377:557 - 67。

    文章PubMed公共医学中心谷歌学者

  40. 李文斯顿G，亨特利J, Sommerlad A, Ames D, Ballard C, Banerjee S，等。痴呆症预防、干预和护理:柳叶刀委员会2020年报告。《柳叶刀》杂志。2020;396:413-46。

    文章PubMed公共医学中心谷歌学者

  41. Burns JM, Johnson DK, Watts A, Swerdlow RH, Brooks WM。早期阿尔茨海默病的瘦质量减少及其与脑萎缩的关系。神经科学。2010;67:428-33。

    文章PubMed公共医学中心谷歌学者

  42. Loskutova N, Honea RA, Brooks WM, Burns JM。减少的边缘和下丘脑体积与早期阿尔茨海默病的骨密度相关。老年痴呆症杂志2010;20:313-22。

    文章PubMed公共医学中心谷歌学者

  43. 鲍姆加特纳RN, Waters DL, Gallagher D, Morley JE, Garry PJ。老年男性和女性骨骼肌质量的预测因子。机械老化发展，1999;107:123-36。

    文章中科院PubMed谷歌学者

  44. 载脂蛋白E及其受体在阿尔茨海默病中的作用:通路、发病机制和治疗。神经科学。2009;10:333-44。

    文章中科院PubMed公共医学中心谷歌学者

  45. 刘春成，赵楠，付勇，王宁，Linares C，蔡长泉，等。ApoE4加速淀粉样蛋白病理的早期播种。神经元。2017;96:1024-32。

    文章中科院PubMed公共医学中心谷歌学者

  46. 文玉生，朴洪科，金杰，廉杰，金洪生，全美，等。轻度认知障碍患者体重指数与认知功能的关系，与载脂蛋白e epsilon4状态无关。痴呆神经认知障碍，2022;21:30-41。

    文章PubMed公共医学中心谷歌学者

  47. Blautzik J, Kotz S, Brendel M, Sauerbeck J, Vettermann F, Winter Y，等。认知正常或轻度认知障碍的淀粉样蛋白阳性受试者的体重指数、ApoE4状态与pet淀粉样蛋白和神经退行性变标志物的关系老年痴呆症杂志，2018;

    文章中科院PubMed谷歌学者

  48. Juhasz A, Katona E, Csongradi E，段落G.体重调节及其与肥胖发展的关系。Orv Hetil, 2007; 148:1827-36。

    文章PubMed谷歌学者

  49. 瘦素的神经元作用及其对阿尔茨海默病治疗的意义。制药(巴塞尔)。2021.https://doi.org/10.3390/ph14010052．

    文章PubMed公共医学中心谷歌学者

  50. 瘦素对健康和疾病中海马突触功能的调节。中国生物医学工程学报(英文版);2014;

    文章PubMed公共医学中心中科院谷歌学者

  51. 韩文敏，陈志明，陈志强，陈志强。小胶质细胞在老年痴呆症中的作用。中国生物医学工程学报，2018;

    文章中科院PubMed公共医学中心谷歌学者

  52. 建M，关JS，邦廷M，吴振荣，陈凯辉。脂联素通过AdipoR1-AMPK-NF-kappaB信号通路抑制淀粉样β -寡聚物(AbetaO)诱导的小胶质细胞炎症反应中华神经病学杂志。2019;16:10 10。

    文章PubMed公共医学中心中科院谷歌学者

  53. 宋杰，崔sm，金BC。脂联素在淀粉样蛋白毒性下通过PPAR-gamma信号调节小胶质细胞的极化和功能。前沿细胞神经科学，2017;11:64。

    PubMed公共医学中心谷歌学者

  54. 吴景荣，简敏，马ok，邦廷M，关俊，周国杰，等。在阿尔茨海默病小鼠模型中，长期口服adipoRon可逆转认知障碍并改善神经病理。摩尔精神病学，2021;26:5669-89。

    文章中科院PubMed谷歌学者

  55. 刘波，刘杰，史建军。SAMP8小鼠作为阿尔茨海默病中与年龄相关的认知下降的潜在机制的模型。老年痴呆症杂志;

    文章中科院PubMed谷歌学者

  56. Amieva H, Le Goff M, Millet X, Orgogozo JM, Peres K, Barberger-Gateau P，等。前驱性阿尔茨海默病:临床症状的连续出现。Ann Neurol. 2008; 64:492-8。

    文章PubMed谷歌学者

  57. 金淑娟，金文杰，Khera AV，金志勇，杨DK，李文伟，等。肥胖与心血管结局之间的关系:观察性和孟德尔随机化研究的综合回顾和荟萃分析。欧洲心脏J. 2021; 42:3388-403。

    文章PubMed公共医学中心谷歌学者

下载参考

确认

我们要感谢所有的参与者，研究和调查团队的成员，以及项目开发和管理团队的成员。

资金

本研究由国家自然科学基金项目(No. 81971121)和广东省中医药信息化重点实验室(No. 2021B1212040007)资助。

作者信息

作者指出

  1. 袁世奇、吴文涛和马文对这项工作都有贡献

作者及隶属关系

  1. 暨南大学第一附属医院神经内科，广东省广州市黄埔西路613号，510630

    袁世奇，黄夏轩，彭敏，徐安定

  2. 交通大学医学部公共卫生学院，陕西西安710061

    吴文涛，马文

  3. 暨南大学第一附属医院临床研究科，广东省广州市黄埔西路613号，510630

    黄涛，吕军

  4. 广东省中医药信息化重点实验室，广东广州

    小君律

作者
  1. 石漆元
    查看作者出版物

    您也可以在PubMed谷歌学者

  2. Wentao吴
    查看作者出版物

    您也可以在PubMed谷歌学者

  3. 温妈妈
    查看作者出版物

    您也可以在PubMed谷歌学者

  4. Xiaxuan黄
    查看作者出版物

    您也可以在PubMed谷歌学者

  5. 道黄
    查看作者出版物

    您也可以在PubMed谷歌学者

  6. 分钟彭
    查看作者出版物

    您也可以在PubMed谷歌学者

  7. 许进行“与”操作
    查看作者出版物

    您也可以在PubMed谷歌学者

  8. 小君律
    查看作者出版物

    您也可以在PubMed谷歌学者

贡献

JL和AX将研究目标概念化。SY和WW指导文献综述并计划分析。WM, XH和TH从英国生物银行提取了数据。SY、MP、WM参与数据分析和解释。SY撰写了论文的初稿，其他作者提供了评论并批准了最终稿。所有作者都阅读并批准了最终的手稿。

相应的作者

对应到许进行“与”操作或小君律．

道德声明

伦理批准并同意参与

英国生物银行的研究得到了西北多中心研究伦理委员会的批准，所有参与者都同意纳入。我们的研究是在英国生物银行许可证(应用ID:76636)下进行的。

发表同意书

所有作者都同意发表这篇文章。

相互竞争的利益

作者没有资金和利益冲突需要披露。

额外的信息

出版商的注意

伟德体育在线施普林格自然对出版的地图和机构从属关系中的管辖权主张保持中立。

补充信息

附加文件1:图S1。

剔除一个敏感性试验(以BMI为暴露量，以AD为结果)，无论去除哪一个SNP，对结果均无根本性影响，表明MR结果稳健。图S2。散点图。这个图上的每个点实际上代表一个IV，每个点上的直线反映了95%置信区间。横轴为SNP对暴露的影响(BMI)，纵轴为SNP对结局的影响(AD)，彩色线为MR拟合结果。这表明暴露(BMI)与结果(AD)无正向因果关系。图S3。森林地图。AD对BMI的MR效应大小。森林地图中的每条实心水平线反映了使用Wald比率方法对单个SNP的估计结果。IVW和MR Egger方法显示BMI的增加并没有显著降低AD的风险。图S4。漏斗图。漏斗图总体对称，无明显异质性。图S5。剔除一项敏感性试验(以AD为暴露量，BMI为结果)，无论去除哪一个SNP，对结果均无根本性影响，表明MR结果稳健。图S6。漏斗图。漏斗图总体对称，无明显异质性。图S7。答:限制性三次样条(RCS)用于分析BMI与AD发病率之间的关系。调整了年龄、TDI、性别、吸烟、种族、教育程度、饮酒、高血压、中风、心肌梗死和糖尿病。B: Cox比例风险模型，估计AD的风险比。模型1为未校正，模型2为年龄和性别校正，模型3为年龄、TDI、性别、吸烟、种族、教育程度、饮酒、高血压、中风、心肌梗死和糖尿病校正。

附加文件2:表S1。

显示与AD有显著全基因组关联的单核苷酸多态性(SNP位点未包括UKB数据库中新发现的基因)。表S2。BMI作为暴露量(根据UKB研究，https://gwas.mrcieu.ac.uk/；GWAS ID: ukb-b-19953)。表S3。数据集作为AD结果(基于另一个GWASs，https://gwas.mrcieu.ac.uk/；GWAS ID: ieu-b-2)。表S4。AD作为曝光(基于另一个GWASs，https://gwas.mrcieu.ac.uk/；GWAS ID: ieu-b-2)。表S5。BMI作为结果(基于UKB研究，https://gwas.mrcieu.ac.uk/；GWAS ID: ukb-b-19953)

权利和权限

开放获取本文遵循知识共享署名4.0国际许可协议，允许以任何媒介或格式使用、分享、改编、分发和复制，只要您对原作者和来源给予适当的署名，提供知识共享许可协议的链接，并注明是否有更改。本文中的图像或其他第三方材料包含在文章的创作共用许可协议中，除非在材料的信用额度中另有说明。如果材料未包含在文章的创作共用许可协议中，并且您的预期使用不被法定法规所允许或超出了允许的使用范围，您将需要直接获得版权所有者的许可。如欲查看本牌照的副本，请浏览http://creativecommons.org/licenses/by/4.0/．创作共用公共领域奉献弃权书(http://creativecommons.org/publicdomain/zero/1.0/)适用于本条所提供的资料，除非在资料的信用额度中另有说明。

转载及权限

关于本文

通过CrossMark验证货币和真实性

引用本文

元，S，吴，W，马，W。et al。体重指数、遗传易感性和阿尔茨海默病:一项基于英国生物银行475,813名参与者的纵向研究。翻译医学杂志20.， 417(2022)。https://doi.org/10.1186/s12967-022-03621-2

下载引用

  • 收到了：

  • 接受：

  • 发表：

  • DOI：https://doi.org/10.1186/s12967-022-03621-2

关键字

  • 体重指数(BMI)
  • 遗传易感性
  • 阿尔茨海默病
  • 双向孟德尔随机化
  • 英国生物库

转化医学杂志

ISSN: 1479 - 5876

联系我们

Baidu
map